摘要: 随着我国民航业的复苏，机场的运行压力激增，尤其是繁忙的枢纽机场面临着更大的容量需求。提高跑道容量是提升机场容量的关键，通过研究并规范跑道占用时间则是提升跑道容量的重要手段。而现有的关于跑道占用时间的研究模型简单且考虑的影响因素不够... 展开 随着我国民航业的复苏，机场的运行压力激增，尤其是繁忙的枢纽机场面临着更大的容量需求。提高跑道容量是提升机场容量的关键，通过研究并规范跑道占用时间则是提升跑道容量的重要手段。而现有的关于跑道占用时间的研究模型简单且考虑的影响因素不够全面，所以研究并建立一种新的跑道占用时间计算模型具有很高的研究意义与价值。本文在研究核主成分分析法、极限学习机和改进鲸鱼优化算法的基础上，建立了一种利用核主成分分析法降维数据基于改进鲸鱼算法优化极限学习机的跑道占用时间计算模型，以计算准确的跑道占用时间。该模型可以为管制员进行航班排序，机场进行新设施的建设提供参考。 首先，对跑道占用时间的影响因素以及数据来源进行分析介绍，从快速存取记录器(QuickAccessRecorder,QAR)数据中选取9种影响因素，并对QAR数据进行预处理和降维。针对主成分分析法降维后元素贡献率不高这一问题，提出用核主成分分析法对数据进行降维。 接着,基于极限学习机算法和BP神经网络算法，构建两种跑道占用时间计算模型。利用测试集QAR数据，对模型进行测试评价，结果显示极限学习机模型计算误差更小,因此选取极限学习机计算模型作为本文基础计算模型进行进一步的优化。 然后，在对比分析四种智能优化算法的优缺点后，选取选鲸鱼优化算法进行改进。针对鲸鱼优化算法的不足，利用混沌理论、非线性收敛因子和纵横交叉策略进行改进,建立了改进鲸鱼优化算法。利用改进鲸鱼优化算法对极限学习机模型进行优化，建立了改进鲸鱼算法优化极限学习机计算模型。 最后，本文利用核主成分分析法降维后的QAR数据作为模型输入，建立基于改进鲸鱼算法优化极限学习机的跑道占用时间计算模型。利用测试集数据对全文建立的模型进行评价，并将模型计算值与QAR数据记录的跑道占用时间值进行拟合，量化不同模型计算误差展开对比，实验证明建立的跑道占用时间计算模型计算结果与实际值更贴近误差最小，表明模型效果较好。 收起